CPI分析步骤预测.docxVIP

关于我国CPI的分析及预测-----时间序列分析课程论文11数学一班祝礼胤2011133115【案例介绍】CPI是反映与居民生活有关的消费品及服务价格水平的变动情况的重要经济指标，也是宏观经济分析与决策以及国民经济核算的重要指标。一般来说，CPI的高低直接影响着国家的宏观经济调控措施的出台与力度，如央行是否调息、是否调整存款准备金率等。同时，CPI的高低也间接影响资本市场（如股票市场）的变化。在日常经济生活中，大体来说CPI有三个用途，一是测量通货膨胀之用，如果CPI在一段时期内连续高幅度上涨，就可以说发生了严重通货膨胀；二是用于国民经济核算，比如核算城市运输业价值量时要扣除物价上涨因素，从而得到城市运输业实际成果的变化情况；三是作为利益关系方的利益调整参照系数，比如在一些西方国家中作为劳资双方工资调整的依据。本文选取从2008年1月至2013年12月的中国CPI指数的月数据，运用R软件来对2014年1月至4月的中国CPI指数进行预测并与真实值进行比较，得出相应结论。【分析流程】【分析步骤】Step1: 作时序图R演示 x=read.table(C:/23/1.csv,sep=,) #导入数据 x=ts(x[1:72,2]) #取原始数据的前72行和第二列，并将其转化为时间序列数据win.graph(width=4.875, height=2.5,pointsize=8) plot(x) #画出时序图运行结果 结果解读从时序图看，序列的均值过程没有明显趋势。Step 2 :相关性检验R演示 log(72)[1] 4.276666（即lag=5） Box.test(x,lag=5,type=Ljung)#进行相关性检验运行结果 Box-Ljung testdata: x X-squared = 219.5217, df = 5, p-value 2.2e-16结果解读 p0.05,拒绝原假设。该序列存在相关性，具有研究意义。Step3 ：平稳性检验及平稳化处理R演示 unitrootTest(x,type=c) #单位根检验，有截距项没有趋势运行结果Title: Augmented Dickey-Fuller TestTest Results: PARAMETER: Lag Order: 1 STATISTIC: DF: -2.3472 P VALUE:t: 0.1604 n: 0.7318 Description: Sun Jun 01 15:51:17 2014 by user: LXC结果解读 t0.05,不能拒绝原假设。该时间序列不平稳，需要进行平稳化处理。R演示 x1=diff(x)#对原始数据差分 plot(x1) 运行结果 Box.test(x1,lag=5,type=Ljung) #对一阶差分后的数据x1进行相关性检验运行结果 Box-Ljung testdata: x1 X-squared = 18.9469, df = 5, p-value = 0.001966结果解读p0.05,拒绝原假设。一阶差分数据仍然相关，因此可以研究。R演示 unitrootTest(x1,type=c) #单位根检验，有截距项没有趋势运行结果Title: Augmented Dickey-Fuller TestTest Results: PARAMETER: Lag Order: 1 STATISTIC: DF: -3.802 P VALUE:t: 0.004506 n: 0.5517 Description: Sun Jun 01 16:14:02 2014 by user: LXC结果解读t 0.05,拒绝原假设。数据平稳，可以进行arma定阶。Step 4：模型定阶R演示 acf(x1,lag=70)运行结果R演示 pacf(x1,lag=70)运行结果R演示 eacf(x1)运行结果结果解读综合以上可以发现：由于原始数据为月度数据，且其acf、pacf有明显的周期性。在周期内ACF3步截尾（PACF后期跑出虚线），故看PACF即可。由于周期内阶数q=3，可以定为MA（3）。而通过EACF可以定为AR(1)，MA(12)（对阶数高的其中不相关项设置为0）。Step5 ：模型选择及优化R演示 model1=arima(x1,order=c(0,0,3))#MA(3) model1运行结果Call:arima(x = x1, order = c(0, 0, 3))Coefficients: ma1 ma2 ma3 intercept -0.1208 0.4520 0.4018 -0.053